买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京航空航天大学申请的专利一种图像分类方法、系统、电子设备及存储介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN117315355B 。

龙图腾网通过国家知识产权局官网在2026-02-27发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202311264733.1，技术领域涉及：G06V10/764；该发明授权一种图像分类方法、系统、电子设备及存储介质是由刘宁钟;朱隆熙;吴平凡设计研发完成，并于2023-09-27向国家知识产权局提交的专利申请。

本一种图像分类方法、系统、电子设备及存储介质在说明书摘要公布了：本发明公开一种图像分类方法、系统、电子设备及存储介质，涉及计算机视觉领域，该方法包括：获取待分类图像；利用图像分类网络对所述待分类图像进行分类，确定所述待分类图像的类别；其中，所述图像分类网络是利用训练数据集对残差网络进行训练得到的；所述训练数据集为CIFAR100数据集中的训练集。本发明在残差网络的主干网络的基础上，融合深层浅层特征信息，并利用融合特征重构出教师网络，可以让浅层学习到更深层的语义信息，增强了模型的分类精度。另外，通过利用重构的教师特征信息和预测结果信息进行蒸馏，能更有效地利用教师所蕴含的暗知识，提升了目标图片分类的准确率。

本发明授权一种图像分类方法、系统、电子设备及存储介质在权利要求书中公布了：1.一种图像分类方法，其特征在于，包括： 获取待分类图像； 利用图像分类网络对所述待分类图像进行分类，确定所述待分类图像的类别；其中，所述图像分类网络是利用训练数据集对残差网络进行训练得到的；所述训练数据集为CIFAR100数据集中的训练集；所述残差网络包括依次连接的卷积层、四个级联的残差块、池化层和全连接层；其中，残差块包含两个3×3的卷积层和一个1×1的卷积层跳跃连接组成； 利用训练数据集对残差网络进行训练，具体包括： 获取训练数据集； 对所述训练数据集中的图像进行数据增强处理，得到处理后的训练数据集； 将所述处理后的训练数据集中的处理后的图像输入至当前残差网络，得到预测结果； 将所述处理后的训练数据集中的处理后的图像输入至当前残差网络，得到预测结果，具体包括： 1利用残差网络的四个级联的残差块输出四个不同的深层特征，将第i+1层深层特征上采样与第i层深层特征尺度相对齐，然后按照通道堆叠并通过1x1卷积计算各自注意力权重，将权重与对应特征相乘后得到第i层融合特征，让网络学习重要特征；i=1,2,3； 2再自底向上利用融合特征计算重构特征：对第1层融合特征，与残差网络中第一个残差块输出的特征相叠加，并通过卷积层得到重构特征1；对第2层融合特征，与重构特征1相叠加，并通过卷积层得到重构特征2；对第3层融合特征，与重构特征2相叠加，并通过卷积层得到重构特征3； 3最后利用全连接层对提取的特征进行预测：逐层计算后经过最后的全连接层得到重构特征的预测结果，将中间层的融合特征用来指导学生网络的语义学习，预测结果用来指导学生网络的分类学习；所述学生网络为所述残差网络； 利用损失函数，计算所述预测结果和所述处理后的训练数据集中的处理后的图像对应的类别标签的损失函数值； 根据所述损失函数值，利用反向传播算法计算当前残差网络中每个参数的梯度； 根据所述梯度和学习率，利用Adam优化算法，更新当前残差网络的参数和权重，并返回“将所述处理后的训练数据集中的处理后的图像输入至当前残差网络，得到预测结果”的步骤，直到所述处理后的训练数据集遍历完成或者所述损失函数值小于预设值，将当前残差网络作为图像分类网络。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京航空航天大学，其通讯地址为：211106 江苏省南京市江宁区将军路29号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。